EchoNav:基于历史观测的证据性 BEV 补全用于视觉导航
EchoNav 是一种结合时序聚合与占用补全的框架,通过冻结 VGGT-Omega 特征并融合历史残差提议来预测局部地图,无需深度或相机位姿输入。该模型在仿真序列双目标导航中达到 89.6% 成功率(基线为 57.1%),在轮式机器人 20 个场景的 60 次试验中达到 73.3% 成功率(基线为 33.3%)。论文还展示了四足和双足机器人的演示,代码与数据暂不可用。
EchoNav 是一种结合时序聚合与占用补全的框架,通过冻结 VGGT-Omega 特征并融合历史残差提议来预测局部地图,无需深度或相机位姿输入。该模型在仿真序列双目标导航中达到 89.6% 成功率(基线为 57.1%),在轮式机器人 20 个场景的 60 次试验中达到 73.3% 成功率(基线为 33.3%)。论文还展示了四足和双足机器人的演示,代码与数据暂不可用。
Tactile-ETA 系统在不更新模型参数下,利用触觉经验让智能体在四个仿真任务中将平均成功率从 15.75% 提升至 24.00%,并在真实机器人上使对齐视觉与触觉的演示将成功率从 0% 提至 60%。该研究证明无需特定任务训练即可通过触觉上下文学习实现精细操作,且性能高度依赖演示内容的感官表征。
针对异构多机器人任务分配中任务适用性定义差异问题,研究对比了涵盖规则、相似度及语义等方法的十种确定性算法与两种大语言模型变体。实验发现尽管面对相同场景,各方法在评分排名与可行性识别上常存在分歧,且通用相似度度量可能违背单侧需求满足预期,LLM 打分则引入额外随机性与语言敏感性。结果证实任务适用性应作为显式建模选择,需在分配前考量其假设、鲁棒性及决策后果。
该研究评估了 Gemini Robotics-ER 在 SHREC 基准(真实人机社交互动)上的社会推理能力,并与通用 VLM 基线进行对比。结果显示,具身化模型在错误与能力检测上优于 GPT-4o-mini,但在详细社会属性判断上表现较差;增加视觉帧对一项任务有益却损害另一项。
针对机器人操作领域能力宣称难以验证且现有排行榜封闭或可操纵的问题,本文提出 HATCH 基准。该基准是一个公开指定、物理可复现、传感器评分且无法排练的机器人密室系统。任务涵盖五个技能类别的三个难度等级,并通过传感器确认形成长周期评估链。成功由仪器而非人工判断,评分与具体载体无关,物体摆放随机化。提交需包含未剪辑视频、日志和种子文件。相关规范、构建指南及评分标准已开源。
推荐理由:提出 HATCH 机器人密室基准,通过硬件验证的任务链与传感器评分解决操作能力宣称不可验证问题。
本文提出了一种利用波士顿动力 Spot 四足机器人及机械臂进行自主砖块堆叠的概念验证系统。该系统通过 AprilTag 进行定位并利用自动行走任务导航,在 CAD 软件中指定目标位置后直接执行。
针对受扰环境中四旋翼飞行的可靠性问题,本文提出了一种扰动感知的 Koopman 控制家族(DA-KCF)框架。该方法在离线阶段基于仿真数据学习参考依赖的 KCF 并利用有限硬件数据进行校准,部署时固定名义模型并在线通过轻量级残差集成学习低维扰动修正。
针对神经影像等医疗场景,该研究利用集成实时光学追踪的 6DoF Stewart 平台机器人,通过志愿者实验表征头颈系统生物运动学工作空间。研究旨在建立无物理束缚下的动态补偿机制所需的人机交互安全极限数据,为替代传统侵入式固定方法提供基础依据。
该研究提出一种四足气动腿式机器人,利用统一控制框架结合离线搜索的领域专用收缩度指标与在线能量型 CLF QP,实现了行走与飞行的最优跨域控制分配。仿真验证了机械可行性及喷气辅助小跑范式,实验结果证实了硬件机械有效性并推动了多模态操作控制框架的部署。
针对现有扩散策略训练目标未鼓励因子专业化导致预测平均化的问题,研究提出一种基于投影组合理论的 drop-in score-decorrelation 辅助损失。该方法通过直接惩罚组件噪声预测间的重叠,在几乎无架构改动或计算开销的情况下,显著降低了组件间的双重计数并改善了任务分解。实验表明,该策略在多基准测试中实现了行为上有意义的专业化,同时保持了多任务性能不下降。
该方法使搭载摄像头的半自主机器人能通过视觉大语言模型将鞋盒任务照片转化为 PDDL 表示并生成行动计划。系统已集成至 Nao 机器人,可自主执行任务并通过动作演示、语音或手势提示下一步骤或信号故障。无需编程知识即可由教师使用,旨在强化自闭症学生机器人辅助教学机会并激发其对机器人的兴趣。
论文提出了 LVMem 框架,旨在解决具身智能体在长观察历史下的可靠语言引导感知问题。该方法扩展了基于视图的记忆范式,通过光流帧选择策略存储以物体为中心的描述性场景表示,并利用视觉语言模型自适应检索关联图像。实验显示,LVMem 在 OC-NaVQA 基准上的二值和位置指标优于 ReMEmbR,且在无需显式构建图结构的情况下匹配或超越了 4D 场景图基线 DAAAM。
论文 ACE-Brain-0.6 分析表明通用多模态模型具备强空间感知能力,为此提出统一数据流水线结合机器人操作记录与多元视觉数据,经自动标注转化为可验证的定位监督。
研究团队推出 Embodied Playground,这是一个评估基础模型代理在长周期任务中协调物理、战略及空间推理能力的基准。该基准包含涵盖基础操作、顺序谜题和多阶段家务活动的 410 个环境,并精选出 EP-100 代表集(含 EP-Easy/EP-Hard 难度划分)及 EP-20 紧凑子集。
针对具身视觉语言模型在执行复杂操作时出现错误导致环境状态异常的问题,本文提出 ERR-Env 环境与 ERR-Bench 基准,用于评估任务进展与执行可靠性。研究提出了结合任务进度奖励、错误状态奖励及动作分组优势估计的在线强化学习方法 AGT-GSPO,并训练出紧凑的 2B 参数具身 VLM(ERR-VLM)。
DexGraspFlow 是一种条件链接级 SE(3) 流匹配框架,整合几何关系与运动学拓扑以解决跨具身灵巧抓取生成的挑战。该模型通过双流 DiT 建模链接间协调及链接 - 物体交互,利用运动学树距离的注意力偏差提供结构信息,联合学习平移和旋转速度场并生成关节配置。
量子位报道了 MemTensor 开源的 MemT 1.0 系列模型(Nano 与 Flash),该模型将经验编码为内部动态状态,通过专门的记忆分支参与计算。在 SWE-bench Verified 任务中,MemT-1.0-Nano 平均成功率为 69.73%,优于无经验基线;在迷宫探索和信息更新场景中展现了更好的长期记忆复用能力。
推荐理由:MemT 1.0 系列将记忆编码为内部动态状态,在 SWE-bench 等基准上表现接近文本经验且推理成本更低。
论文介绍 Video-Point Model (VPM),这是一个基于多视角视频历史和语言指令的世界模型,能够联合预测任意视角的未来视频和场景中持久点的 3D 轨迹。
推荐理由:该工作提出 Video-Point Model,通过点轨迹监督联合预测多视角视频与 3D 运动,并扩展至机器人控制。
图达通与伽利略(天津)达成战略合作,联合开发面向电力巡检、城市安防等场景的具身机器人智能感知系统。双方整合高可靠空间感知与全栈自研技术,推动机器人从实验室研发走向规模化产业落地,打造适配性更强的解决方案。
美国具身大脑公司 Dream Labs 宣布完成种子轮融资,并发布世界动作模型 Dream-1。该模型通过预测末端执行器位姿实现零样本泛化,可控制从未见过的双臂平行夹爪机器人执行新任务。Dream Labs 正式开放 Dream API,提供每小时 3 美元的调用服务及仿真微调选项。测试显示其在性能、速度和成本上具备优势,但零样本成功率在未见任务中约为 9%。
推荐理由:Dream Labs 完成融资并开放 Dream-1 世界动作模型及 API,支持零样本跨机器人控制与仿真微调服务。
该报告介绍 Sage-A1.5,这是一个基于 A1 的 35B 参数混合专家智能体模型,旨在通过自适应能力组合推进长周期问题解决。相比前代,它不仅能解决单个任务,还能在执行中组织工作并修正方法。
Vention 物理 AI 实验室利用真实工厂视觉数据及 GRIP 模块化管线,构建能在复杂制造环境中感知、理解并学习的自适应机器人。团队结合经典方法与基础模型(如零样本姿态估计),旨在最小化任务接入成本同时最大化性能,解决实际产线问题。该研究通过客户提供的零部件与执行数据进行训练,确保 AI 系统具备扎实的制造领域知识。
Reservoir 宣布为华盛顿种植者启动新农业机器人孵化器,将初创企业置于果园与葡萄园中协同研究人员工作。该孵化中心位于其旗舰创新枢纽 Reservoir Farms – Salinas,拥有多个创新棚和 24 英亩专用商业测试田。此举旨在应对苹果、樱桃等难自动化作物面临的劳动力成本上升及 workforce 缩减挑战。
Gecko Robotics 宣布获得美国海军及总务管理局额外的 3 亿美元合同额度,使其与美军的合同总额增至初始 7100 万美元的四倍。该公司称此举是对其在国防领域运营 AI 和机器人技术的强力背书,旨在通过无损扫描技术将舰船检修时间从数月缩短至数天,并每年为每艘舰船节省高达 800 万美元的维修成本。
RoboBusiness 2026 今日在圣克拉拉会议中心开幕,庆祝行业 20 周年并探讨未来二十年机遇。上午议程涵盖 Rodney Brooks、Agility Robotics 及 UC Berkeley 专家的主题演讲,以及 Instawork、Core Matter Labs 等关于物理 AI 数据与供应链的研讨。
The Robot Report 面向全球征集 2027 TRR50 机器人创新奖提名,申报项目需为 2026 年启动或发布的创新成果。奖项设置包括年度初创企业、年度应用、年度机器人、向善机器人、最佳 AI 应用及商业与应用等七大类别。提交截止日期为 2027 年 1 月 5 日,获奖者将在同年 6 月的波士顿机器人峰会暨博览会上接受表彰并展示原型机。
舍弗勒于10月20日在太仓正式启用具身智能机器人数智工厂,该厂集智能装配产线、场景化训练及数据采集中心、数字孪生平台及算力中心为一体。工厂实现“机器人造机器人部件”的闭环智能制造模式,标志着关节模组等核心零部件正式投入量产。数智工厂采取开放合作模式,支持客户在工业场景下对物理AI系统进行训练和测试。
推荐理由:舍弗勒在太仓启用集智能装配与数字孪生于一体的数智工厂,实现机器人制造机器人部件的闭环模式。
优必选与阿联酋拉斯海玛政府国际关系办公室签署战略合作备忘录,双方将建立综合合作框架,推进人形机器人在工业自动化、公共服务等四大场景的实景测试与系统部署。优必选将在当地提供沙盒测试环境和前瞻性监管框架下,依托自身平台与技术基础设施开展示范项目,重点在高温、高日照与沙尘等严苛环境中进行长期耐久测试与压力测试,以积累实测数据并验证系统在阿联酋及海湾地区的实际应用性能。
伊塔动力宣布完成超亿元种子轮及种子 + 轮融资,由经纬创投、商汤国香资本、建银国际、L2F光源创业者基金、银河通用、傅利叶智能联合投资。该公司成立于 2026 年 5 月,推出 YITA-50P-C 至 YITA-122P-C 五款一体化关节模组,传动效率约 83%,成本较传统谐波方案降低约 50%。
宇树科技连续两日大涨,股价最高触及556元,总市值突破2100亿元。此次反弹直接受商务部等9部门发布《关于加快推进科技兴商的意见》及机器人板块整体走强影响。尽管公司营收与净利增长显著,但当前市盈率仍高达360倍,且股价较上市首日高点大幅回撤,后续业绩持续兑现与人形机器人从“卖得动”到“用得好”的跨越仍是决定估值的关键。
9月上汽推出6款智电SUV,其中荣威家越07订单破4万份,全系标配激光雷达并搭载Momenta R7世界模型支持城市NOA。智己LS6全系标配下一代全线控灵蜥底盘及IM AD Zeta系统,行业首发IM Claw龙虾智能体。上汽大众ID. ERA 8X限时权益价20.68万元起,配备192线激光雷达与Momenta R7世界模型实现全场景城市NOA。
深圳伊塔动力科技有限公司宣布完成超亿元种子和种子+轮融资,由经纬创投、商汤国香资本等联合投资。公司创始人钟雪岗曾主导傅利叶多款康复机器人及人形机器人执行器研发与量产,首席科学家闫磊拥有十余年具身力控臂操作算法经验。伊塔动力自研复合行星力控方案,关节模组传动效率约 83%,成本较传统谐波方案降低约 50%。目前公司已与部分具身大脑龙头及海内外顶尖实验室达成战略合作意向。
大晓机器人正式发布视觉空间锚定增强型具身基模型ACE-Brain-0.6。该模型参数规模为9B,基于Qwen3.5-9B构建,通过冻结视觉编码器并对语言模型进行监督微调。
东软集团与智身科技于 10 月 15 日在杭州第十一届中国教育后勤展览会联合推出面向校园后勤的具身智能整体解决方案。该方案由东软提供行业人工智能与智能大脑构建数字化底座,配合智身科技的轮足复合式机器狗执行火情监测、定点搬运等物理任务。双方已服务全国 600 余所高校,其中 985 高校占比超 50%,智身科技截至 2026 年 6 月累计量产机器人约 1.5 万台。
10月20日,舍弗勒太仓数智工厂正式启用,引入六台人形机器人参与关节模组装配及物料搬运等生产环节。工厂设置了涵盖目视检测、物料拣选等任务的六类工业训练场景,并通过数字孪生系统连接训练与工艺优化。商业方面,2026年第三季度舍弗勒获得两家中国客户新订单,推动集团人形机器人业务累计订单额达到4亿欧元。
优必选自研的统一多模态世界模型Thinker-WM在WorldOlympiad、EWMBench及WorldArena1.0 Track-1三大具身世界模型基准评测中均取得第一名。
近日,国家市场监督管理总局批准发布GB/T 48317.2—2026《人形机器人技术要求 第2部分:环境感知》等6项人形机器人国家标准,将于2027年4月1日正式实施。
上海振华轴承总厂有限公司宣布,其研发的工业机器人及具身机器人轴承产品已进入批量供货阶段。针对人形机器人关键零部件轻量化、高精度等开发难点,该企业聚焦机器人大小臂、腕部及手部等关节谐波减速器专用轴承,围绕动力学仿真优化、滚道精密磨削、精密装配、寿命检测四大核心技术展开研究。
论文提出 RE-SAC 框架,旨在解决标准深度强化学习算法在处理随机交通和乘客需求时因混淆两种不确定性而导致的 Q 值不稳定问题。该方法利用基于积分概率度量的权重正则化来对冲不可约噪声风险,并提供平滑的分析下界;同时通过多样化 Q-集成惩罚稀疏覆盖区域中的过度自信估计以应对数据不足风险。
论文提出 UniW(A)M,这是一种基于扩散 Transformer 的混合专家世界模型框架,旨在统一动作条件化的世界建模与多种世界 - 动作模型变体。共享专家捕捉通用动力学,原子能力专家跨接口复用,部署时通过插件自适应接口路由器(PAIR)选择合适接口以平衡任务成功率和执行效率,同时保持骨干网络冻结。
推荐理由:该工作提出统一混合专家框架,在真实操作任务中成功率提升 11.6%,并实现跨接口能力复用。